HetroD：面向异构交通环境中自动驾驶的高保真无人机数据集与基准
机器人学
2026-02-26 v2 计算机视觉与模式识别
摘要
我们提出 HetroD，这是一个面向在异构环境中开发自动驾驶系统的数据集与基准。HetroD 旨在解决实际异构交通（以易受伤害道路用户 VRUs 为主，包括行人、骑行者和摩托车手）导航的关键挑战，这些用户与车辆发生交互。这些混合代理类型表现出诸如钩转、车道分切和非正式让行协商等复杂行为。此类行为对自动驾驶车辆构成重大挑战，但在聚焦结构化、车道规范交通的数据集中仍被严重不足。为弥合这一差距，我们收集了一个大规模的无人机数据集，提供具有厘米级标注精度的全方位交通场景观测，包括 HD 地图和交通信号状态。我们进一步开发了一个模块化工具包，用于提取每个代理的情景，以支持下游任务开发。总体而言，该数据集包含超过 65.4 万条高保真代理轨迹，其中 70% 来自 VRUs。HetroD 支持对密集、异构交通中 VRU 行为的建模，并提供用于预测、规划和仿真任务的标准化基准。评估结果表明，面向该数据集挑战的前沿预测和规划模型在 lateral VRU 动作预测、非结构化机动处理以及密集多代理场景中的表现有限，凸显了需要更稳健方法来应对异构交通的不足。详见项目页面：https://hetroddata.github.io/HetroD/
引用
@article{arxiv.2602.03447,
title = {HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic},
author = {Yu-Hsiang Chen and Wei-Jer Chang and Christian Kotulla and Thomas Keutgens and Steffen Runde and Tobias Moers and Christoph Klas and Wei Zhan and Masayoshi Tomizuka and Yi-Ting Chen},
journal= {arXiv preprint arXiv:2602.03447},
year = {2026}
}
备注
IEEE International Conference on Robotics and Automation (ICRA) 2026